北京智譜華章科技股份有限公司與通用人工智能公司MiniMax在同一天通過港交所上市聆訊，這一消息引發市場廣泛關注。作為國內大模型領域的“六小虎”代表企業，二者幾乎同步叩響資本市場大門，一場關于“港股大模型第一股”乃至“全球大模型第一股”的競爭就此拉開帷幕。

自2022年末人工智能進入快速發展階段以來，這些在資本助力下成長起來的初創巨頭，歷經三年多發展，如今已站在公開市場的門檻前。若智譜AI成功上市，有望成為全球首家以通用人工智能基座模型為核心業務的上市公司；而MiniMax若明年初掛牌，將成為全球從成立到IPO最快的AI公司之一。

然而，從招股書披露的信息來看，這兩家企業呈現出高增長、高投入與高虧損的顯著特征。智譜AI在2022年至2024年間，收入年復合增長率高達130%，但2024年凈虧損達29.58億元。MiniMax增長更為迅猛，2024年收入同比增長782%，同期凈虧損卻高達4.65億美元（約合人民幣32.7億元）。為維持技術迭代，企業“燒錢”成為常態，僅2025年上半年，智譜AI的研發開支就高達15.95億元，是其同期收入的8倍以上，其中大部分資金用于購買算力。

這兩家企業的上市，不僅標志著自身發展進入新階段，更意味著整個中國大模型行業從早期的“技術競賽”邁向必須接受公開市場檢驗的“資本考驗”階段。過去依賴宏大敘事和私募融資推動發展的模式逐漸式微，資本市場開始關注企業的實際回報。

在此背景下，如何為智譜、MiniMax等大模型公司進行合理估值，成為亟待解決的核心問題。市場上現有的估值模型，主要分為兩大體系：一是以約翰·伯爾·威廉姆斯與本杰明·格雷厄姆為奠基人的客觀價值體系，其核心是數理邏輯，通過折現企業未來自由現金流來確定當下價值；二是以約翰·梅納德·凱恩斯為思想源頭的主觀價值體系，強調市場博弈和群體心理的作用，衍生出“選美理論”、K線技術等解讀市場的方法。

對于尚未形成穩定盈利模式的大模型產業，主觀價值體系雖看似更具解釋力，但其主觀判斷難以驗證和比較，無法形成嚴謹的估值方法論。因此，在探索新一代科技企業估值標尺時，仍需回歸客觀價值體系框架。

從商業史來看，估值模型的演進是對新經濟范式下供需關系變革的回應。早期商業投資節奏緩慢，股利折現模型契合時代需求；隨著技術進步和規模經濟效應凸顯，現金流折現模型成為更合理的價值標尺；互聯網崛起后，傳統估值方法失效，市場轉向以用戶價值為核心的新指標，估值邏輯從“為資產定價”轉向“為增長和生態定價”。

人工智能作為堪比工業革命、信息革命的范式級生產力變革，必將催生全新商業模式，與之匹配的全新估值模型也將應運而生。但當前大模型公司的主要變現途徑，如谷歌將大模型融入搜索廣告、OpenAI力推訂閱付費，其商業內核仍未完全跳出互聯網時代的流量與用戶邏輯。

要把握下一代技術巨頭的估值核心，需穿透表象，找到AI原生時代獨有的價值度量衡。在客觀價值體系下，企業的核心指標旨在刻畫現有資產盈利潛力、未來增長價值與成本以及可比風險評估。對于大模型公司而言，行業通用的基本單元——Tokens，有望成為估值的核心計價單位。

Tokens能夠統一計量多元收入，反映現金流潛力。當前國內大模型公司付費模式和SaaS服務尚不成熟，直接使用年度經常性收入衡量現金流不準確。大模型收入主要來自企業API調用和用戶產品服務，計費方式復雜，而Tokens作為底層計價單位，可更直接反映創收能力與資產效率。

Tokens還直接串聯成本與收入，能量化增長需求。在成本側，Tokens消耗量與核心成本（算力）直接相關，通過特定假設可建立Tokens消耗與算力需求的量化模型，從而推算出算力成本需求量；在收入側，Tokens作為AI工作最小單位，與成本掛鉤，成為大模型廠商定價首選，連接了成本支出與收入生成。

Tokens具備行業可比性，為風險評估提供基準。作為通用度量單位，它使跨公司、跨模型比較成為可能，例如計算“單Token利潤”類比傳統凈利潤，各機構的Tokens調用量市場份額統計也為行業相對估值和風險比較提供關鍵數據。

基于Tokens邏輯，可嘗試為大模型公司進行估值。以OpenAI為例，若延循ARR估值邏輯，將增速替換為以Tokens為計價核心的增速，結合其去年收入和Tokens調用量增速，初步計算估值可達6264億美元。在此基礎上，考慮市場份額和風險因素，樂觀情況下估值可達7391億美元，悲觀情況下估值為5011億美元。

以Tokens為核心的相對估值法，是現階段市場化較高、計算相對方便的方法。假設OpenAI估值為5000億美元，根據其單月調用量份額和市場份額估算市場總份額，可推算出其他大模型公司的估值。若考慮價格因素，不同模型的單價差異也會影響估值結果，但這種計算方法在一定程度上能反映市場實際情況。

將Tokens作為核心計價單位評估大模型公司，為探索這一新興領域價值提供了可行路徑。盡管當前推演基于有限數據、方法尚不完善，但已表明可在傳統估值框架外，建立更貼合AI生產特性的價值衡量體系。隨著智譜和Minimax上市進程推進，可依據招股書披露信息，為它們進行更細致的估值計算。